Latent World Action Model：面向 GUI 智能体的潜空间世界动作模型

研究者提出 Latent World Action Model，将 GUI 世界模型的预测目标从全屏像素重建改为潜空间中的动作诱导未来信息，用一个大模型共享表征驱动动作选择与预测转移两个专用头。该方法在离线与在线 GUI 设置中成功率分别相对提升最高 31.9% 和 40.6%，推理延迟降低最高 98.9%，代码已开源。